비젼 기반 제스처 인식을 위한 상태-공간 모델 평가 방법

본 논문에서는 제스처 인식을 위한 상태-공간 모델의 새로운 평가 방법을 제안한다. 기존의 상태-공간 데이터 분석 및 인식 방법에서는 관측 데이터에서 나타날 수 있는 대부분의 아웃라이어들이 학습된 상태-공간 모델에서 수용될 수 있다는 암묵적인 가정이 포함되어 있다. 그러므로 학습 시에 나타나지 않았던 아웃라이어가 있을 때 인식 성능이 떨어지게 된다. 본 논문에서는 이러한 아웃라이어 데이터에 강인한 인식 방법을 제안한다. 제안한 방법을 수화 데이터에 대해서 실험을 한 결과, 기존의 HMM방법으로는 75.4%의 인식 성능을 보여주었으나 제안한 방법은 90.0%의 인식 성능을 보여주었다. 또한, 아웃라이어가 많이 포함된 데이터에 대해서도 제안한 방법은 아주 안정적인 인식 결과를 보였다.